比如游戏行业化投放端，着重关注游戏广告主的痛点，推出了“游戏应用特征标注”、“游戏优选人群”、“游戏投放指南针”、“跨账户效果评估能力”、“分定向出价”等等功能，助力我们广告主实现投放目标。今天就能和大家简单分享一下我的使用心得。

（投放端左上角有个“行业专业版”的标签，看上去是不是高大上多了）

“啊，新产品起量也太难了吧，谁来帮帮我呀？”对于这一幕，在我们的工作中总是不断上演着，令人脑阔疼。

这里的新产品不是指一款全新的游戏首发的意思，而是指第一次在腾讯广告渠道上架投放的意思。此前这款游戏也可能在别的渠道或者应用市场上架了几个月几年这样。

因为新游首发，一般预算比较大，是可以跟媒体谈流量扶持方案的，加上如果有预约和提前进行品宣等热度加持，初期起量基本不是问题。而新产品第一次在腾讯渠道上投放，由于初期系统没有数据模型，在寻找目标人群的学习过程会比较久，起量都会比较困难。

面对这种情形，今天就跟大家聊一下我的“新游起量三步法”，用实操案例教大家怎么突破新游起量的难题：做好游戏应用特征标注——善用媒体新工具——由浅及深过渡出价方式

应用特征标注，系统充分建模

先跟大家聊一下，系统是如何精准寻找用户的？其核心技术就是算法推荐，那算法推荐的重要前提就是海量的数据基础，而这些数据既包括了用户数据，也包括了广告主提供给媒体的产品数据。

这也是为啥游戏广告主需要回传后端数据（付费人数、付费金额）给媒体的原因。这样，系统就能拥有更多的数据进行学习，将用户和我们的产品匹配，从而大大提高了后端投放效果。当然，有些大厂出于敏感数据的原因还是可能选择不回传的。

但对于大多数广告主产品来说，向系统明确我们的表达，努力给予充分、准确的数据帮助模型学习，这样才是共赢。而如何能够帮助系统建模学习呢？腾讯广告基于游戏全生命周期的转化链路，推出的游戏行业专业版投放端中的“游戏应用特征标注”就是我起量的第一步。

入口就在投放管理平台中“资产”——“应用管理平台”里。

以安卓应用为例，点击“安卓应用管理”，在主线包操作中点击“更多”——“添加特征标注”。（同样地，iOS应用则在“iOS特征标注”中添加）。

我们可以在这里给游戏添加特征信息，如“游戏类型”、“核心玩法”、“内容题材”等等更多信息。

注意，填写的内容尽量全面详细、真实。

使用该功能这有什么好处呢？

做好游戏应用标注，更有助于系统提前理解游戏信息，加速学习理解游戏特征这一环节，从而提升广告投放过程中的推荐精准度，促进模型优化起量。该功能特别适合新游戏使用，或者有比较多马甲包的广告主。

善用媒体新工具，多管齐下

起量第二步——善用媒体新工具。新工具则代表着新红利，那肯定不能错过的，比如腾讯广告针对游戏行业新推出的拿量工具 “游戏优选人群”

入口就在我们平常正常建计划的里面，点击“编辑”某计划即可进入。

勾选“扩展游戏人群”后，系统将自动根据推广游戏所在的品类的人群进行智能探索，也可以不勾选该选项，自己手动勾选其他品类的人群进行探索。

该功能通过“游戏类型”和“内容题材”两种维度划分人群，广告主可以选择自己想要探索的人群，系统将帮助游戏寻找专属优质流量，找到更多潜在用户。

使用技巧则是前期先使用与自身游戏品类相关的人群进行探索，然后再逐步测试其他品类的人群。

从产品逻辑上，该功能有点类似“自动扩量”这一功能，两者其实同样是智能探索更多定向外的人群，只不过方向不同。但有区别的是，“游戏优选人群”可以在计划新建时就开启，而“自动扩量”更加适合当计划有一定的数据积累后开启。

比如我习惯是“当计划积累了5个付费量以上，ROI成本均达标”时使用自动扩量。因为此时引进的用户质量都很不错，系统已经基本建立好该人群的模型。当开启扩量的时候，会基于已有的人群数据继续探索。这样的数据模型就比较稳，扩量部分的效果比较好些。

在完成了上述两步起量工作后，我们也进行了一些ABtest，通过对2-3个新应用包进行了为期一周的测试后发现，使用了该功能的应用包比未使用的，计划学习期失败的概率小了很多，起量率增加了40%，消耗量级增长30%以上。使得我们的产品能够尽快积累到付费数据，进入ROI出价的门槛，让产品进入稳步增长的投放阶段。

同时，我们也在其他不同的产品类型中做对比测试，明显感觉到游戏优选人群功能在重度游戏中有较为明显的正向作用。

备注：这里设定的起量标准为达到10个激活成本以上。起量率=起量计划数/总计划数

同时在进行了应用特征标注后也可以搭配“一键起量”进行使用，设置小预算，比如一个付费成本的或者10个激活成本的预算即可，给予计划一部分预算去积极探索流量。因为应用包已经有系统前置学习的游戏特征，期间的激活成本也能得到控制，不至于成本过高或空耗过多。

由浅及深的出价方式过渡

新游起量第三步——玩转出价方式。

系统在建模学习的过程中会主要参考两个数据指标，一是账户历史数据，二是app维度的数据。

但新游戏投放刚好两者都没有，那系统则会根据该游戏所在品类的大盘用户数据中建模。而预估将在游戏中进行激活、注册的用户难度，实际上会比寻找可能在游戏中付费的用户容易很多。

以二次元类卡牌游戏为例，5%的付费率换算，激活的用户量级基本上是付费用户的20倍。理解这个逻辑，就能明白我们先选择浅层的出价方式的原因了，如单激活出价、激活+首次付费出价。否则很容易导致广告起量困难，或炸成本的情况。等到积累一定数据量后，再使用首次付费、每次付费这类偏深度转化目标的出价方式。

而且我还发现一个神奇的现象！这种方式跑出来还存在惯性现象，即同一账户在切换首次付费出价后，该账户的激活成本不会像常规使用首次付费出价这么高，反而贴近单激活出价时的成本，然后再慢慢上涨。以某款二次元卡牌产品为例，数据如下：

账户A和账户B分别为两个不同马甲包。而账户B一直使用首次付费出价，成本在70左右，日耗一直没超过15000一天。而账户A前3天一直在使用单激活出价，每天导入500个量级，成本30元左右，第四天后全部切换使用首次付费出价，成本仍然维持在45-50之间，比账户A的成本低30%，消耗提升70%。

由此，可以看出，由浅及深的出价方式过渡可以有效地帮助账户起量，消耗速度加快，且成本也能得到一定降低。但需要注意的是，不建议在一个账户中同时开启两种出价工具，分批开启这样模型的稳定性更好，也便于我们进行对比分析。

总结

以上就是关于我一些新产品起量的小技巧啦，大家在使用的时候也需要按照自己投放的实际情况进行调整，毕竟不同产品类型的投放策略不一定完全适用，切忌完全照搬，要探索出一套适合自己产品的起量模式。其中很重要的一点，我觉得还是要多关注行业新工具，比如文章中提到的腾讯广告针对“游戏行业专业版”的一系列功能，都可以多多尝试！

最后希望今天的文章能给大家一点小小的启发，一起交流中进步。

END

文章作者：蓝夕。公众号：三里屯信息流。

图片来源：部分图片来源网络，版权归原作者所有，不为商业用途，如有侵犯，敬请作者与我们联系。文章为作者独立观点，不代表135编辑器立场。